را کمیته مالی سنا دیروز به آینده فکر کرد: هوش مصنوعی و کاربردهای بالقوه آن در مراقبت های بهداشتی.
و به نظر می رسد که آینده بسیار شبیه گذشته و حال است: دموکرات ها خواهان مقررات هستند. و صنعت پول می خواهد.
رئیس کمیته مالی “دلایل زیادی برای خوش بین بودن وجود دارد.” ران وایدن (D-Ore.) گفت. اما، او هشدار داد، الگوریتم‌ها به تنظیم و پاسخگویی نیاز دارند تا مطمئن شوند که توصیه‌های بد یا مغرضانه‌ای که مراقبت را رد می‌کنند یا منجر به مراقبت نامناسب می‌شوند، تولید نمی‌کنند.
او نسبت به نتایج آن ابراز خشم کرد تحقیق 2019 به رهبری زیاد اوبرمایر، آ دانشگاه کالیفرنیا در برکلی دانشیار، که دریافت که یک الگوریتم تجاری بر اساس داده های هزینه تاریخی، مراقبت های بهداشتی کمتری را برای بیماران سیاه پوست توصیه می کند.
“چگونه چنین سیستم معیوبی به استفاده عمومی راه پیدا می کند؟” وایدن گفت. “هیچ کس تماشا نمی کند. بدون نرده محافظ هیچ حفاظی برای محافظت از بیماران در برابر الگوریتم‌های معیوب و سیستم‌های هوش مصنوعی وجود ندارد.»
Obermeyer بعداً شهادت داد، مشخص نیست که آیا این الگوریتم هنوز در بازار عرضه می شود یا خیر.
این جلسه نشان‌دهنده آخرین تلاش کنگره برای قرار دادن سر خود در اطراف جدیدترین سیستم‌های هوش مصنوعی بود که می‌توانند برخی از اشکال استدلال انسانی را برای پیش‌بینی و محاسبات تقلید کنند، یا متن و تصاویری تولید کنند که به‌طور فریبنده‌ای توسط انسان ساخته شده‌اند.
وایدن “قانون پاسخگویی الگوریتمی” خود را تبلیغ کرد. لایحه ای که قصد دارد شرکت ها را مجبور کند محصولات خود را ارزیابی کنند و آنها را ملزم کنند کمیسیون تجارت فدرال برای جمع آوری و گزارش داده ها در مورد سیستم های هوش مصنوعی. اما جمهوری خواهان نشان دادند که نمی خواهند به سرعت در فناوری نوظهور حرکت کنند.
هوش مصنوعی در حال حاضر در مراقبت های بهداشتی رایج است; پزشکان از این سیستم‌ها برای تقطیر ویزیت‌های بیمار در یادداشت‌های بالینی و اشاره به ضایعات یا پولیپ‌های بالقوه سرطانی استفاده می‌کنند. بر این اساس، عضله واشنگتن بزرگی در پشت الگوریتم ها وجود دارد: CNBC شمارش a 185 درصد موج – از 158 به بیش از 450 – در تعداد سازمان هایی که در مورد مقررات هوش مصنوعی لابی می کنند.
رهبران صنعت – و جمهوری خواهان کمیته – به صراحت نیاز به مقررات را در جلسه استماع روز پنجشنبه رد نکردند. اما دید آنها برای آن محدودتر بود و در یک نمونه این سوال را مطرح کردند: آیا دیده بان های فناوری می توانند نگهبانان فناوری را تماشا کنند؟
سن را بگیر بیل کسیدی (R-La.)، که در پایان جلسه به این فکر افتاد که مدل های هوش مصنوعی می توانند مدل های هوش مصنوعی را رتبه بندی کنند. او با درخواست پاسخ از شاهدان، به آنها یادآوری کرد که «لطفاً با پاسخ‌های خود محتاط باشید» – و بلافاصله پس از اینکه اکثر آنها به او گفتند که انسان‌ها باید مدل‌ها را ارزیابی کنند، آنها را قطع کرد.
او گفت: «عملاً، به نظر می‌رسد که این کار فوق‌العاده دست و پا گیر خواهد بود. دانشگاه شیکاگو پروست کاترین بایکر. او گفت: «این غیرممکن به نظر می رسد مارک سنداک، رهبر مشترک دوکمشارکت هوش مصنوعی سلامت، در مورد پیشنهادات محقق در مورد نیاز به نظارت محلی انسان بر الگوریتم ها.
سناتور جمهوریخواه ارشد کمیته. مایک کراپو (آیداهو)، در بیانیه‌ای به اهمیت «شفافیت» در سیستم‌های هوش مصنوعی اذعان کرد. اما او همچنین ایده قانونگذاری سریع در مورد هوش مصنوعی را از طریق “قوانین یکسان، بیش از حد سفت و سخت و بیش از حد بوروکراتیک” محکوم کرد.
در حالی که پیشنهادات برای تنظیم هوش مصنوعی بحث برانگیز بود، یک ایده مورد حمایت جمهوری خواهان، شاهدان هیئت و حتی برخی از دموکرات ها قرار گرفت: نیاز به پرداخت هزینه به صنعت برای نوآوری هایش.
کراپو در بیانیه خود گفت: «از آنجایی که دستگاه‌های دارای هوش مصنوعی و سایر فناوری‌ها ظاهر می‌شوند، سیاست‌های پرداخت و پوشش Medicare باید همگام باشند.
سن باب منندز (DN.J.) اشاره کرد که طبق تحقیقات اخیر، Medicare قبل از اینکه بپرسد آیا پرداخت های بیشتر مفید است یا خیر، «کمتر از 20» خدمات هوش مصنوعی را بازپرداخت می کند. سناتورهای دیگر نیز حمایت از پول نقد بیشتر به صنعت را اعلام کردند.
پیتر شن، رئیس دیجیتال و اتوماسیون در زیمنس سلامتیرز، پیشنهاد کرد که تولیدکنندگان فناوری اطلاعات هزینه را به Medicare ارسال کنند و پنج سال پرداخت دریافت کنند. او استدلال کرد که در غیر این صورت، رویکرد “ناسازگار، غیرقابل پیش بینی” دولت نوآوری را خفه می کند.
سنداک گفت که ارائه دهندگان خدمات بهداشتی فاقد زیرساخت و آموزش برای استفاده از هوش مصنوعی هستند و به میلیاردها دلاری که دولت برای تشویق آنها به پذیرش پرونده های الکترونیکی سلامت هزینه کرده است، اشاره کرد. او در شهادت کتبی گفت: «ما اکنون به اقدام متهورانه مشابهی نیاز داریم.
این مقاله به دلیل محدودیت های بازنشر برای انتشار در دسترس نیست. اگر در مورد در دسترس بودن این یا محتوای دیگر برای انتشار مجدد سؤالی دارید، لطفاً با NewsWeb@kff.org تماس بگیرید.